平时如何组织 AI Coding 工作流？

知识专题：AI Coding 与研发流程题目类型：经历介绍

参考答案

核心回答

我的 AI Coding 工作流是：先把需求和验收讲清楚，读现有实现，再让 AI 小步修改，用审阅和可执行检查推动下一轮。

开始时，我会确认要解决哪个用户问题、哪些地方允许改，以及怎样判断完成；然后让工具定位已有模式和相关测试，避免重复造一套实现。实现时按能独立验证的小块推进，检查 diff，运行与改动相关的测试、类型或构建检查。失败就带着复现输入、错误输出和预期行为继续修；通过后再核对需求覆盖和必要的界面交互，最后说明改了什么、验证了什么、还缺什么条件。

流程重量按任务决定。局部文案或已有字段展示可以直接改并针对性检查；跨模块状态、公共接口或权限变化，才需要更细的设计与验证。

一次任务怎样走完

以给列表接口补分页参数为例：

确定约定：参数范围、默认值、排序稳定性、非法值如何返回，沿用项目已有规则。
定位实现：读相似路由、查询层和测试；让 AI 说明准备改哪些文件，而不是从零生成整套接口。
完成最小改动：先贯通请求解析、查询限制和返回结构，避免顺带改命名、抽象或无关页面。
获得反馈：核对第一页、末页、空结果、非法参数及排序边界；用现有测试或可复现请求确认行为。测试本身也要审，不能把当前错误输出直接固化成期望值。
收口交付：确认没有扩大范围，保留运行命令与结果；若影响界面，再实际查看分页和错误状态。

这里的检查是围绕风险选的，不要求每个小任务都运行整个项目最慢的测试套件。

怎样给下一轮反馈

“还是不对”信息不足。更有效的是说明：“请求第2页时重复出现第1页最后一条；复现数据和排序条件如下，预期每条记录只出现一次。”这能把下一轮工作限定在稳定排序或分页条件，而不是让工具随机重写。

如果上下文变长，可整理当前目标、已确认事实、尚未解决的失败和关键文件，再继续。重复出现的项目约束可以沉淀到简短规则；只有确实经常复用的操作流程才值得整理成 Skill，不为一次小改动创建一套规范。

怎样判断这个流程有效

看任务是否按约束完成、返工来自哪里，以及总耗时是否包含需求澄清、审阅和修复。代码接受率、生成行数和测试变绿都只能提供部分信息；验收仍要回到原需求和真实行为。

对应教程

第27章：Skills技能与AI编程工具实践：用规则表达稳定约束，用可复用流程组织重复任务；不替代需求确认、审阅和验证。

参考资料

国内：JavaGuide：AI Coding 选 CLI 还是 IDE？：用于把编辑器内交互与仓库任务放入同一开发流程，按实际工作选择。
国内：JavaGuide：Spec Coding 实践：用于需求、范围、验收和任务拆分，并保留轻量流程。
国内：Onefly：AI Coding 面试实战：用于先交付可运行主路径，再根据实际失败修复。
国内：阿东玩 AI：Coding Agent 面试指南：用于上下文筛选、可审阅补丁和验证反馈循环。
国外：Anthropic：Best practices for Claude Code：用于具体输入、可执行完成条件和检查输出。
国外：GitHub：Responsible use of Copilot inline suggestions：用于人工核对语义正确性、架构适配和生成代码的限制。

相关面经

109 篇

MiniMax

AI 应用开发

2026-11-12实习一面